Können Mindestmengen für Knieprothesen anhand von Routinedaten errechnet werden?

Zusammenfassung

Ziel der Arbeit

Im Rahmen dieser Arbeit wurde erstmals untersucht, ob in Deutschland bei der Implantation von Knieendoprothesen ein Zusammenhang zwischen Leistungsmenge und Ergebnisqualität auf Basis von Routinedaten besteht. Anschließend wurden Schwellenwertberechnungen durchgeführt und die Ergebnisse kritisch diskutiert.

Material und Methoden

Mit Hilfe von Daten des Bundesdatenpools der Bundesgeschäftsstelle Qualitätssicherung gGmbH (BQS) des Jahres 2004 von Patienten mit Knie-Totalendoprothesen-Erstimplantation wurde der Zusammenhang zwischen dem Risiko für „Unzureichende Beweglichkeit“ (primärer Qualitätsindikator) bzw. dem Risiko für „Infektion“ (sekundärer Qualitätsindikator) und der Fallzahl des betreffenden Krankenhauses pro Jahr unter Verwendung logistischer Regressionsmodelle untersucht.

Ergebnisse

Für beide Indikatoren konnte ein statistisch signifikanter Zusammenhang mit der Fallzahl nachgewiesen werden. Weitere Risikofaktoren wie z. B. Alter und ASA-Status hatten zwar einen signifikanten Einfluss, stellten aber keine wichtigen Confounder dar. Die Volume-Outcome-Beziehung für den sekundären Qualitätsindikator „Infektion“ zeigte eine sehr flache, mit steigender Fallzahl sehr langsam fallende Risikokurve, die die Hypothese unterstützt, dass High-volume-Krankenhäuser eine bessere Qualität aufweisen als Low-volume-Krankenhäuser. Ein Schwellenwert konnte auf Basis dieser Daten errechnet werden. Der Erklärungswert der Fallzahl war jedoch zu gering, um aus dieser Beziehung eine Mindestmenge abzuleiten, die in eindeutiger Weise zwischen guter und schlechter Qualität diskriminiert. Der Zusammenhang zwischen dem primären Qualitätsindikator „Unzureichende Beweglichkeit“ und der Fallzahl zeigte dagegen unerwartet einen U-förmigen Verlauf, der das Konzept einer Mindestmengenregelung für den Leistungsbereich Knie-TEP bezüglich des Qualitätsindikators „postoperative Beweglichkeit“ in Frage stellt.

Schlussfolgerung

Die vorliegende Auswertung unterstützt damit die Hypothese, dass es bei der Knie-TEP einen Zusammenhang zwischen der Leistungsmenge und der Ergebnisqualität gibt. Ein Schwellenwert, der in eindeutiger Weise zwischen guter und schlechter Qualität diskriminiert, ist jedoch aus den verfügbaren Daten nicht eindeutig ableitbar.

Abstract

Aim of the study

The aim of this study was to calculate, for the first time, minimum provider volumes in total knee replacement using routine German data.

Materials and Methods

In patients with primary total knee replacement (TKR), the relationship between hospital volume per year and risk of “insufficient mobility” (primary quality indicator) and “wound infection” (secondary quality indicator) was calculated by means of logistic regression models.

Results

For both indicators, a statistically significant relationship between hospital volume and outcome could be demonstrated. Other risk factors such as age and ASA status also had a significant influence, but did not appear as important confounders. The risk for the secondary quality indicator “infection” decreased constantly with increasing hospital volume, thus the curve was very flat. This supports the hypothesis that high volume hospitals have a higher quality level than low volume hospitals. A threshold value could be calculated. However, the explanation value for hospital volume was too low to derive a threshold level that clearly discriminates between good and bad quality of care. The relationship between the primary quality indicator “insufficient mobility” and hospital volume unexpectedly showed a U-shaped distribution. This questions the concept of a minimum provider volume regulation for primary total knee replacement for the quality indicator “insufficient mobility”. Therefore, in this case no quantitative threshold values were calculated.

Conclusion

This analysis supports the hypothesis of a volume-outcome relationship in primary total knee replacement. However, a minimum provider volume that clearly discriminates between good and bad quality of care could not be calculated on the basis of these German quality assurance data.